VAINQUEURS DE KEMENY ET TOURNOIS DIFFICILES. Alain GUENOCHE 1
|
|
- Samuel Olivier
- il y a 7 ans
- Total affichages :
Transcription
1 VAINQUEURS DE KEMENY ET TOURNOIS DIFFICILES Alain GUENOCHE 1 RESUME Dans cet article, on s intéresse à la détermination des ordres médians des tournois valués. On propose d une part des améliorations d une méthode arborescente permettant de limiter le nombre de nœuds et donc d accélérer l énumération des ordres médians. D autre part, pour les tournois difficiles qui restent incalculables, on propose de réduire le tournoi en éliminant certains candidats. SUMMARY Kemeny winners and hard tournaments In this paper, we deal with the computation of median orders of weighted tournaments. First, we present improvements of a branch and bound method in order to speed up the enumeration of median orders. Then, for the hard tournaments for which these improvements are not sufficient, we study two ways to reduce the tournament by deleting vertices which appear as poor candidates. 1. INTRODUCTION Un tournoi est un graphe orienté, antisymétrique et complet. C est par exemple le résultat de comparaisons par paires. Sur un ensemble X de candidats, par un système de notes, des classements d experts ou des comparaisons deux à deux, on décide si x est meilleur que y et on oriente en conséquence l arc entre x et y. Cette préférence peut être pondérée ou non, donnant ainsi un tournoi valué ou non. Pour les tournois valués, on admet des arcs de poids nul, c est-àdire qu il peut y avoir indifférence entre deux candidats. Nous nous posons le problème de désigner un sous-ensemble des candidats, les gagnants de ce tournoi, ceux qui sont considérés collectivement comme les meilleurs. Suivant le principe de Condorcet [1785], s il existe un élément préféré à tous les autres, c est lui qui doit être désigné vainqueur ; mais souvent aucun élément ne remplit cette condition. D autre part, on ne veut souvent pas qu un seul gagnant, mais plusieurs candidats sélectionnés, voire un ordre total sur l ensemble des candidats. Ce problème se rencontre dans de nombreux domaines d application ; citons entre autres : le dépouillement d un scrutin, pour élire un certain nombre de représentants ; le classement des élèves d après plusieurs épreuves, pour l attribution des bourses ; le choix agronomique, parmi des variétés d une même espèce, en fonction du rendement ou d autres critères ; les classements hédonistes, pour attribuer des médailles après des dégustations comparatives ; le choix d une heuristique parmi plusieurs méthodes concurrentes pour des problèmes NPdifficiles d optimisation. Soit T un tournoi valué, dont les sommets {1,..., n} correspondent aux éléments de 1 LIM-CNRS, 163 Av. de Luminy, Marseille Cedex 9, guenoche@lim.univ-mrs.fr
2 X = {x 1,..., x n }, et entre les sommets i et j, on a l arc (i, j) (resp. (j, i)) si x i est préféré à x j (resp. x j à x i ). Cet arc possède une valeur entière positive ou nulle notée T(i, j) proportionnelle au degré de préférence en faveur de x i. Si T(i, j) > 0, on a T(j, i) = 0. Si les éléments x i et x j sont considérés comme équivalents, on a T(i, j) = T(j, i) = 0. Pour désigner les gagnants, on énumère les ordres totaux à distance minimum de ce tournoi, encore appelés ordres médians [Barthélemy et Monjardet 1981]. Si le tournoi T est transitif, il lui correspond un ordre total unique compatible avec lui. Sinon, pour tout ordre O = o 1 > o 2 >... > o n, il y a dans T au moins un arc (o j, o i ) avec j > i par lequel passe un circuit ; c est l effet Condorcet. Classiquement on place les sommets sur un axe, de gauche à droite en suivant cet ordre et on ne trace que les arcs du tournoi qui sont en désaccord avec l ordre, et qui vont donc de droite à gauche et que l on appelle arcs retour [Hudry 1989]. Ainsi, la distance entre le tournoi T et un ordre O est la somme des poids des arcs retour : n -1  d K (O, T ) = T(o j, o i ) n  i =1 j =i+ 1 Pour rendre le tournoi transitif, il faut supprimer tous ses circuits, c est-à-dire inverser certains arcs. Si le tournoi est non valué, tous les arcs ont un même poids unitaire et on cherche à inverser un nombre minimum d arcs, mais s il est valué, il convient d inverser les arcs dont la somme des poids est minimum. Les ordres totaux à distance minimum (les ordres médians) du tournoi, sont ceux qui minimisent d K (O, T). Soulignons d emblée qu il y a rarement un seul ordre à distance minimum. Il peut y avoir beaucoup d ex æquo, et même une quantité exponentielle [Hudry et Woirgard 1994]. Ils sont tous équivalents, c est pourquoi il est nécessaire de les énumérer. Les gagnants que nous désignons sont, suivant Kemeny [1959] (d où ici la notation d K pour la distance considérée), le ou les premiers éléments de ces ordres médians. 2. ÉNUMÉRATION DES ORDRES MÉDIANS L algorithme de base est une méthode branch and bound [Guénoche 1977] précédée d une approximation de la distance minimum d un ordre au tournoi par des méthodes heuristiques. Cette méthode est tout à fait fondée, puisque le problème est NP-difficile [voir par exemple Charon, Hudry et Woirgard 1996] ; elle a été décrite en détail dans Barthélemy, Guénoche et Hudry [1989], et nous ne la reprendrons que dans ses grandes lignes. On calcule préalablement la distance de certains ordres, dont l expérience montre qu ils sont souvent proches du tournoi. Ils peuvent être construits par des heuristiques fondées sur l élimination des circuits de longueur 3 [Smith et Payne 1974] adaptées aux tournois valués ou, plus récemment, par des méthodes d optimisation stochastique. Le meilleur d entre eux fournit une borne supérieure Dmax qu il est inutile de dépasser. Comme pour toute méthode branch and bound, on construit une arborescence dont les nœuds sont ici des débuts d ordres totaux, des sections commençantes. Chacune de ces sections peut, a priori, se prolonger en un ordre total à distance minimum du tournoi. Chaque section a une valeur qui est une borne inférieure de la distance au tournoi de tout ordre commençant par cette section. À chaque étape, on prolonge la section de valeur minimum de toutes les manières possibles, si les sections résultantes restent à une distance inférieure ou égale à Dmax. Soit O = o 1 >... > o p une feuille de cette arborescence, c est-à-dire un ordre total sur les p sommets ainsi classés. Sa valeur V(O) est définie par : p È Â T(o j, o i ) + Â Í Â T (x, o i ) 1 i < j p i= 1Î xœ{ o 1,..., o p } (toujours avec T(x, y) = 0 si (x, y) n est pas un arc de T). C est la somme des poids des arcs retour dont l extrémité est dans la section O, où que soit l origine. Ses successeurs possibles sont les sections obtenues en prolongeant O avec l un des n p sommets {y 1,..., y n p } non placés dans O. Tant que l on n a pas construit un ordre total, on répète les opérations (i) et (ii) :
3 (i) Trouver une feuille O = o 1 >... > o p dans l arborescence dont la valeur est minimum. On développe donc une arborescence «au moindre coût» d abord. (ii) Si p = n 1, il suffit de lui ajouter le dernier sommet non placé y 1 et l ordre o 1 >... > o n 1 > y 1 est à distance minimum du tournoi. On a donc trouvé un ordre solution à distance = V(O). Sinon on développe l arborescence ; on ajoute à O (qui n est donc plus une feuille) les nœuds correspondant à cette section prolongée de certains des n p sommets non placés dans X. Ce sont ceux qui : - d une part ne dominent pas o p si les valuations sont strictement positives, puisqu alors un ordre à distance minimum d un tournoi est associé à un chemin hamiltonien de ce tournoi [Remage Jr. et Thompson Jr. 1966], - d autre part ont une valeur inférieure ou égale à la borne Dmax calculée initialement. La valeur de la section O prolongée d un sommet y i est égale à la valeur de O augmentée du coût de y i, c est-à-dire la somme des valeurs des arcs allant d un sommet y k non classé à y i : V (o 1 > o 2 >... > o p > y i ) = V(O) + T(y k, y i ) k i Si l on cherche une seule solution, on s arrêtera au premier ordre total construit, mais si l on veut tous les ordres médians, on continuera à développer l arborescence. Si l on peut encore prolonger quelques sections commençantes sans dépasser, on aboutit à d autres solutions. Quand toutes les feuilles de l arborescence correspondent à des sections impossibles à prolonger, on a énuméré tous les ordres totaux à distance minimum du tournoi. Exemple : Soit le tournoi non valué donné par la table ci-dessous : a b c d e f g a b c d e f g On obtient aisément un ordre à distance 4, a > b > c > g > d > e > f. Cette borne permet d énumérer 5 ordres médians, qui sont bien à distance 4 du tournoi. En plus du précédent, il s agit de a > b > c > g > e > f > d, a > b > c > g > f > d > e, a > b > f > c > g > d > e et a > b > g > f > c > d > e. Souvent ce type de méthodes échoue à cause de la complexité des problèmes de consensus dans les relations d ordre [Barthélemy et Monjardet 1981]. La construction des ordres médians est un problème NP-difficile et l espace mémoire nécessaire est proportionnel à la taille de l arborescence. Même pour des programmes efficaces, il se peut que sur un tournoi d une vingtaine de candidats on ne puisse énumérer les solutions, ni même en construire une seule. C est à ce type de difficultés que nous consacrons le paragraphe suivant. Â 3. COMMENT LIMITER LA TAILLE DE L ARBORESCENCE? C est bien le paramètre essentiel de la calculabilité effective de l énumération. Plus l arborescence de recherche est grande, plus l on passe de temps à explorer tous ses nœuds pour déterminer s ils peuvent aboutir à un ordre médian. Voyons deux idées pour éviter de développer des nœuds inutiles Le meilleur ordre sur toute partie Un nœud de l arborescence est un ordre total sur un sous-ensemble de candidats classés. Mais cette partie se retrouve chaque fois que l on aboutit au même sous-ensemble dans un ordre différent. L idée est de conserver, pour chaque partie rencontrée, la plus petite valeur trouvée sur
4 cette partie. Si par exemple on trouve que la section commençante 1 > 2 > 3 > 4 est de valeur v, on gardera cette valeur pour la partie {1, 2, 3, 4}. Si par la suite on aboutit à la section 2 > 1 > 4 > 3 de valeur v, de trois choses l une : i) si v = v, on conserve cette section commençante dans l arborescence si on veut tous les ordres médians ; ii) si v < v, on conserve cette section commençante, on met à jour la valeur de la partie : V({1, 2, 3, 4}) = v et on annule dans l arborescence l ancienne section commençante 1 > 2 > 3 > 4, puisque iii) si v > v, il est inutile de créer le nœud correspondant à 2 > 1 > 4 > 3 car cette section commençante ne peut aboutir à un ordre médian. En testant l efficacité de cette idée pour l énumération des ordres médians, on constate que l arborescence résultante a, en gros, trois fois moins de sommets. Il faut certes adapter une structure de données, de type fonction caractéristique des parties de X, pour garder la valeur du meilleur ordre de chaque partie. Mais au total on est largement gagnant en temps et en place. Un autre intérêt de cette implémentation est que si l on ne cherche qu un seul ordre médian, on peut confondre les cas i) et iii). Si l on a déjà un ordre de valeur v sur cette partie, il est inutile d encombrer l arborescence avec un nouvel ordre de même valeur sur cette même partie. Nous avons insisté, pour notre problème, sur la nécessité d avoir tous les ordres médians, ou tout au moins tous les «gagnants» d un ordre médian. Ici, l obtention d un unique ordre médian aura pour effet de donner à Dmax sa plus petite valeur donc, en relançant le programme d énumération, d aboutir, peut-être, à l énumération complète Une valeur plus ajustée pour les sections commençantes Pour évaluer une section commençante comme une borne inférieure de la distance au tournoi d un ordre qui commence par cette section, dans la procédure présentée au 2 on n utilise que les arcs retour dont l extrémité est dans cette partie. Nous allons aussi tenir compte du poids de certains arcs dont l origine et l extrémité sont dans la partie complémentaire notée F. Pour les tournois non valués, Charon-Fournier, Germa et Hudry [1992] ont utilisé la séquence des demi-degrés extérieurs du tournoi réduit à F. Un tournoi transitif d ordre q a comme séquence de degrés, rangés dans l ordre décroissant, la suite 1 = q 1, 2 = q 2,... q = 0. Sur l ensemble des sommets non classés on a, toujours suivant l ordre décroissant, une séquence particulière d 1,..., d q. L inversion d un arc abaisse le degré de son origine d une unité, et augmente d autant le degré de son extrémité. Donc pour passer de la séquence d 1,..., d q à la séquence 1,..., q, il faudra inverser au minimum un nombre d arcs s(f) = 1 q 2 Â di - i. i=1 On peut par conséquent donner à une section commençante une valeur plus forte en ajoutant au nombre d arcs retour dont l extrémité est dans O cette valeur s(f). Les nœuds dont la valeur outrepasse Dmax étant éliminés, l arborescence développée ne peut être que plus petite. Expérimentalement on constate que le gain est très important, puisque le nombre de sommets de l arborescence est diminué en moyenne de plus de 75 %. Nous avons repris cette idée en considérant les circuits de longueur 3 ; pour les tournois valués et non valués, nous avons exploité deux idées qui se sont avérées très efficaces Cas des tournois valués Pour évaluer chaque section commençante O, on ne peut calculer un ordre optimal sur son complémentaire F, mais on peut minorer la part de distance due à un ordre sur F à l aide de ses seuls circuits de longueur 3. Pour tout 3-circuit (x, y, z), le sous-tournoi s écrit : x y z x - a 0 y 0 - b z c 0 -
5 Ce circuit coûtera au moins v (x, y, z) = Min{a, b, c}. On va donc considérer le plus possible de 3- circuits inclus dans F. En effet, si l un des sommets est dans O, il se peut que l arc de poids minimum ait pour extrémité ce sommet et cet arc est déjà comptabilisé dans V(O). Ensuite, si l on tient compte du circuit (x, y, z), on ne peut considérer un autre circuit qui aurait un arc commun avec (x, y, z) car en retournant celui-là on annulerait deux circuits d un seul coup. Il faut donc que les circuits considérés soient arc-disjoints et de somme des poids aussi grande que possible. Pour être efficace, on utilise un algorithme glouton. Dans un pré-traitement on détermine le coût de tous les circuits de longueur 3, ce qui se fait en O(n 3 ). Préalablement au développement de l arborescence, on range les 3-circuits dans l ordre des coûts décroissants. Pour une section finissante F, on définit V (F) comme la somme des coûts des 3-circuits arcdisjoints contenus dans F et sélectionnés par l algorithme glouton. On peut alors utiliser comme valuation d une section commençante : V (O) = V (O) + V (F ) Cette meilleure borne permet de développer une arborescence très restreinte, puisque sur des tournois construits à partir d ordres tirés au hasard et valués par le nombre de préférences, les arborescences résultantes ont 20 fois moins de sommets! De plus cette évaluation des 3-circuits n est pas très pénalisante du point de vue temps de calcul, puisqu elle est en général proportionnelle au nombre de 3-circuits Cas des tournois non valués Chaque arc permet de supprimer un certain nombre de 3-circuits. Appelons degré de l arc (x, y) le nombre de circuits dans lequel il est impliqué ; c est la terminologie consacrée dans l hypergraphe H dont les sommets sont les arcs du tournoi et les arêtes les circuits considérés. Il est clair que l on a intérêt à retourner les arcs de degré maximum puisque, s ils appartiennent à des circuits disjoints, ils supprimeront autant de circuits que la somme de leurs degrés. Sans vérifier qu ils soient disjoints, pour supprimer tous les NbC 3-circuits de la partie F, il faudra inverser des arcs dont la somme des degrés est supérieure ou égale à NbC. On range donc les arcs dans l ordre des degrés décroissants, et l on somme ces degrés jusqu à atteindre ou dépasser NbC. Le nombre d arcs nécessaires constitue une nouvelle borne inférieure c(f) de la distance du sous-tournoi réduit à F à un ordre total. Exemple : Sur le tournoi précédent, il y a 10 circuits de longueur 3, {(a, b, d), (a, c, d), (a, f, d), (a, g, d), (b, c, e), (b, d, e), (b, g, e), (c, e, f), (c, g, f), (d, e, f)}. L arc (d, a) est de degré 4, l arc (e, b) de degré 3 ; il y a 6 arcs de degré 2, et 11 arcs de degré 1. Pour supprimer les 10 circuits, il faudra donc au moins 4 arcs, si bien que tout ordre médian est au moins à distance 4. En utilisant comme borne inférieure de la distance V (O) = V(O) + c(f), on développe une arborescence qui a 20% de sommets en moins qu avec le paramètre s. Cette économie se paye néanmoins par un temps de calcul plus long. Pour tout candidat au prolongement d une section commençante, il faut dénombrer les 3-circuits de la partie complémentaire, en parcourant une liste pré-établie sur le tournoi complet, et calculer les degrés de leurs arcs, puis compter le nombre d arcs des différents degrés. 4. ET SI LE TOURNOI RESTE INCALCULABLE? Il reste dans ce cas une possibilité : restreindre le nombre de candidats et appliquer les mêmes procédures à un sous-tournoi. Bien évidemment, les gagnants de ce sous-tournoi ne sont pas nécessairement les premiers d un ordre à distance minimum du tournoi complet (cela résulte de l absence de la propriété du sur-ensemble fort ; voir par exemple [Laslier 1996] dans ce même numéro) ; il peut y avoir des arcs retour dont l origine vient des candidats qui ont été éliminés. Néanmoins cette sélection peut se faire de façon raisonnable : en supprimant les candidats qui ne peuvent jamais être bien classés, en ne gardant que les premiers des chaînes transitives maximales (pour l inclusion), c est-à-dire les vainqueurs de Banks (voir [Banks 1985] ou [Laslier 1996]).
6 4.1. Intervalles de rang dans les ordres à distance bornée Si l on connaît la distance d un ordre solution, ou une approximation de cette distance, on peut déterminer un rang minimum (resp. maximum) pour chaque candidat. Ce rang est la plus petite (resp. grande) position qu il peut occuper dans un ordre à distance inférieure ou égale à. Il n est pas certain qu il existe un ordre médian dans lequel ce candidat occupe cette position, mais on est assuré que dans tout ordre médian, il ne pourra pas être placé avant (resp. après) ce rang minimum (resp. maximum). Considérons le candidat x k d un tournoi codé dans une matrice T comme précédemment. S il Â. S il peut être classé peut être classé premier dans un ordre médian, c est qu on a T(i, k ) second, après x j, c est qu on a de même T(i, k ) i œ{k, j} des valeurs T(i, k), (c est-à-dire T(j, k) = Max second, il faut avoir : De façon plus générale : Â. Or, il se peut que x j réalise le maximum  T(i, k ) Max T(i, k ) ). Donc pour que x k puisse être classé T(i, k ). PROPOSITION. Soit x k un candidat de T et soit I p l ensemble des indices des p plus grandes valeurs de T(i, k) (i k). Pour que le candidat x k puisse être placé (p + 1)-ième dans un ordre médian, il faut avoir  T(i, k )  T (i, k ), et iœi p c est-à-dire que la somme des n (p + 1) plus petites valeurs T(i, k) (en ne considérant pas T(k, k)) ne doit pas excéder. En raisonnant de la même façon sur les lignes de la matrice T, si x k est placé au rang p + 1 dans un ordre à distance, c est que la somme des p plus petites valeurs de {T(k, i), i k} est inférieure ou égale à. Sinon on dépasse avec les seuls arcs retour d origine xk. On peut donc calculer pour chaque candidat un rang minimum et un rang maximum dans un ordre médian. L exemple suivant illustre ces considérations. Exemple : Soit T le tournoi défini par la matrice ci-dessous : T a b c d e f a b c d e f L ordre b > f > d > c > a > e est à distance 4 de T, d où D = 4. Dans un ordre à distance 4, il faut que d et f (ou d et e) soient placés avant a ; il ne peut être au mieux que troisième. Il ne peut être dernier, car il serait à l origine d arcs retour dont la somme des poids est 5. Il est donc au pire cinquième. L application de la proposition précédente donne les rangs minimum et maximum suivants : a b c d e f min max Pour le rang minimum, qui est le seul qui nous importe vraiment ici, il suffit de ranger pour
7 tout k (1 k n) les valeurs de {T(i, k)} i k dans l ordre croissant et de sommer les valeurs dans cet ordre tant qu on ne dépasse pas. Si l on peut additionner p valeurs, il y a au plus n p 1 candidats que l on peut placer avant x k pour qu il puisse sortir ; il est donc au mieux au rang n p. Pour éliminer des candidats, il suffit de considérer la borne donnée par une méthode heuristique, et de retirer tous les candidats qui dépassent un rang seuil, par exemple ceux qui ne sont jamais dans la première moitié. Dans l exemple précédent, on élimine c et e. Cette technique n est vraiment efficace que sur les tournois valués, car avec les tournois non pondérés, on ne comptabilise que des valeurs unitaires. Ainsi avec la borne de 4 déterminée sur l exemple de la partie 2, tous les candidats peuvent être premiers! On n aurait donc éliminé personne Les premiers des chaînes transitives maximales Une chaîne transitive est une partie de X totalement ordonnée qui ne présente aucun arc retour. Elle est maximale si elle n est incluse dans aucune autre chaîne. Un sommet qui arrive en tête d une chaîne transitive maximale s appelle un vainqueur de Banks [1985]. Bien que l ensemble des vainqueurs de Kemeny et celui des vainqueurs de Banks puissent être disjoints, même pour des tournois valués par 1 (voir par exemple [Charon, Hudry et Woirgard 1996]), on peut calculer les premiers sur le sous-tournoi engendré par les seconds. En effet, une chaîne transitive maximale est un sous-ensemble de candidats au classement «indiscutable», chacun étant meilleur que tous ceux qui le suivent. La restriction du tournoi à leurs vainqueurs se justifie par l observation que si x n est jamais premier d une telle chaîne, c est qu il existe toujours un élément y qui domine tous ceux que x précède dans un classement indiscutable. Soulignons qu un élément x peut ne pas être premier dans la chaîne (y, x, z, u) mais premier dans la chaîne (x, t, u) ; il suffit que y ne domine pas t. Puisque x est premier au moins une fois, il ne sera pas éliminé. Pour déterminer les vainqueurs de Banks, on associe à chaque candidat x l ensemble Nd des autres candidats qui ne le dominent pas dans T, c est-à-dire l ensemble de ses successeurs dans T y compris x lui-même : Nd(x) = {y T(y, x) = 0}» {x}. Pour énumérer toutes les chaînes transitives maximales, on développe encore une arborescence. On place au premier niveau tous les éléments x tels que Nd(x) est une partie maximale (pour l inclusion). À n importe quel nœud correspond une chaîne P des éléments placés, que l on obtient en remontant jusqu à la racine. Pour prolonger cette chaîne : on construit la partie Q des éléments non placés qui ne dominent aucun des éléments de P : Q = «xœp Nd(x ) \ P on construit l ensemble D des éléments qui dominent au moins un des éléments de P ou qui sont dans P : D = X \ Q on prolonge P avec chaque élément y de Q tel que Nd(y) \ D est maximale ; autrement dit, on prolonge P par toutes les chaînes transitives maximales du sous-tournoi engendré par les sommets de Q. On obtient ainsi toutes les chaînes transitives. Cet algorithme est plus compliqué que celui qui consiste à placer tous les éléments de Q après chaque nœud, mais on obtient dans ce cas un très grand nombre d inclusions et une arborescence beaucoup plus grande. Même en ne prenant que les éléments de Q qui correspondent à des parties maximales, il peut y avoir des inclusions et il faut comparer deux à deux les chaînes transitives obtenues pour ne conserver que les maximales. Exemple : Sur le tournoi non valué du paragraphe 2, on obtient : Nd(a) = {a, b, c, e, f, g}, Nd(b) = {b, c, d, f, g}, Nd(c) = {c, d, e, g}, Nd(d) = {a, d, e}, Nd(e) = {b, e, f}, Nd(f) = {c, d, f}, Nd(g) = {d, e, f, g}. On a Nd(e) Ã Nd(a) et Nd(f) Ã Nd(b), si bien que seuls a, b, c, d et g sont au premier niveau. Pour prolonger la chaîne P = (a), on a Q = {b, c, e, f, g} et D = {a, d}, si bien qu il y a 4 successeurs possibles pour prolonger a : ce sont b, c, e et g (f est éliminé par b). Ultérieurement, pour prolonger la chaîne P = (a, b) on a Q = {c, f, g} et D = {a, b, d, e}, il reste trois parties indépendantes, et donc 3 successeurs.
8 Au total on obtient 14 chaînes transitives, dont g > d > e, g > e > f et g > f > d qui ne sont pas maximales, puisqu elles sont respectivement incluses dans c > g > d > e, a > g > e > f et b > g > f > d. Il en reste 11, toutes de longueur 4 sauf une : d > a > e ; les autres commencent par a : a > b > c > g, a > b > f > c, a > b > g > f, a > c > g > e, a > e > b > f, a > g > e > f, b : b > c > g > d, b > f > c > d, b > g > f > d, ou c : c > g > d > e. Donc si l on devait sélectionner les candidats en tête de ces chaînes, on considérerait le sous-tournoi correspondant aux candidats {a, b, c, d}. Figure 1 : Arbre des chaînes transitives ; celles commençant par g ne sont pas maximales Cette technique de sélection préalable des vainqueurs de Banks est plus fondée pour les tournois non valués, car elle est indépendante des valuations. Si par exemple on donne la valeur 6 à tous les arcs situés au-dessous de la diagonale dans la table du tournoi de la partie 2, tous les ordres médians commencent par g, mais g n est toujours pas le premier d une chaîne transitive maximale. BIBLIOGRAPHIE BANKS, J. (1985) Sophisticated voting outcomes and agenda control, Social Choice and Welfare, 2, BARTHELEMY, J.-P. et B. MONJARDET (1981) The median procedure in cluster analysis and social choice theory, Mathematical Social Sciences, 1, BARTHELEMY, J.-P., A. GUENOCHE et O. HUDRY (1989) Median linear orders: heuristics and a branch and bound algorithm, European Journal of Operational Research, 41, CHARON-FOURNIER, I., A. GERMA et O. HUDRY (1992) Utilisation des scores dans des méthodes exactes déterminant les ordres médians de tournois, Mathématiques, Informatique et Sciences Humaines, 119, CHARON, I., O. HUDRY et F. WOIRGARD (1996) Ordres médians et ordres de Slater des tournois, Mathématiques, Informatique et Sciences Humaines, ce même numéro. CONDORCET, M.J.A.N. Caritat (marquis de) (1785) Essai sur l application de l analyse à la probabilité des décisions rendues à la pluralité des voix, Paris. GUENOCHE, A. (1977) Un algorithme pour pallier l effet Condorcet, RAIRO, 11, 1, HUDRY, O. (1989) Recherche d ordres médians : complexité, algorithmique et problèmes
9 combinatoires, Thèse ENST, Paris. HUDRY, O. et F. WOIRGARD (1994) Combinatorics and voting theory: on the number of median orders of tournaments, communication à Conference on combinatorics in the behavioral sciences, août 1994, Irvine, États-Unis. KEMENY, J.G. (1959) Mathematics without numbers, Daedelus, 8, LASLIER, J.-F. (1996) Solutions de tournois : un spicilège, Mathématiques, Informatique et Sciences Humaines, ce même numéro. MONJARDET, B. (1973) Tournois et ordres médians pour une opinion, Mathématiques et Sciences Humaines, 43, REMAGE Jr., R. et W.A. THOMPSON Jr. (1966) Maximum likelihood paired comparison rankings, Biometrika, 53, SMITH, A.F.M. et C.D. PAYNE (1974) An algorithm for determining Slater s i and all nearest adjoining orders, British Journal of Mathematical and Statistical Psychology, 27,
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailLGT CAMILLE SAINT-SAENS 23/01/2015 18:06. lundi mardi mercredi jeudi vendredi 8h30 FRANCAIS
1ES1 - du 9 au 13 février 2015 104 Vidéo SCIENCES ALLEMAND LV1 ALLEMAND LV2 1ES1ALL1 1ES1ALL2 115 TV 1ES1ESP2 104 Vidéo 119 Vidéo TV ANGLAIS LV2 1ES1AGL1 1ES1AGL2 163
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailOptimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)
Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailOnce the installation is complete, you can delete the temporary Zip files..
Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailINSERTION TECHNIQUES FOR JOB SHOP SCHEDULING
INSERTION TECHNIQUES FOR JOB SHOP SCHEDULING ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ES SCIENCES PAR Tamas KIS Informaticien mathématicien diplômé de l'université
Plus en détailBourses d excellence pour les masters orientés vers la recherche
Masters de Mathématiques à l'université Lille 1 Mathématiques Ingénierie Mathématique Mathématiques et Finances Bourses d excellence pour les masters orientés vers la recherche Mathématiques appliquées
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailSCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM
SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM APPLICATION FORM / FORMULAIRE DE CANDIDATURE Note: If there is insufficient space to answer a question, please attach additional
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailStratégie de recherche adaptative en programmation par contrainte
Université Paul Sabatier École Nationale de l Aviation Civile Master 2 Recherche Informatique et Télécommunication parcours Intelligence Artificielle Simon Marchal Stratégie de recherche adaptative en
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailThe UNITECH Advantage. Copyright UNITECH International Society 2011. All rights reserved. Page 1
The UNITECH Advantage Copyright UNITECH International Society 2011. All rights reserved. Page 1 Two key aspects of UNITECH Distinctive by being selective Standing out while fitting in The Wide and Varied
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailEncryptions, compression et partitionnement des données
Encryptions, compression et partitionnement des données Version 1.0 Grégory CASANOVA 2 Compression, encryption et partitionnement des données Sommaire 1 Introduction... 3 2 Encryption transparente des
Plus en détailCe document a pour objet : de rappeler les principes de base d information concernant les coordonnées bancaires,
Migration vers les paiements SEPA : Recommandations à l intention des donneurs d ordres pour la migration de leurs fichiers de RIB vers les couples IBAN + BIC correspondants 3 ème version - octobre 2010
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLes deux points les plus proches
MPSI Option Informatique Année 2001, Deuxième TP Caml Vcent Simonet (http://cristal.ria.fr/~simonet/) Les eux pots les plus proches Lors e cette séance, nous allons nous téresser au problème suivant :
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailContrainte de flot pour RCPSP avec temps de transfert
Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailPrincipes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch
Principes de mathématiques 12 SÉRIE DE PROBLÈMES Septembre 2001 Student Assessment and Program Evaluation Branch REMERCIEMENTS Le Ministère de l Éducation tient à remercier chaleureusement les professionnels
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailFace Recognition Performance: Man vs. Machine
1 Face Recognition Performance: Man vs. Machine Andy Adler Systems and Computer Engineering Carleton University, Ottawa, Canada Are these the same person? 2 3 Same person? Yes I have just demonstrated
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailQUI VEUT JOUER AVEC MOI?
QUI VEUT JOUER AVEC MOI? Michel Rigo (Université de Liège) http://www.discmath.ulg.ac.be/ JOUER SÉRIEUSEMENT, POURQUOI? Jeux coopératifs : marché boursier, économie, émergence de réseaux sociaux,... Mise
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailCURRICULUM VITAE. Joseph ABDOU
CURRICULUM VITAE Joseph ABDOU Section du CNU 26 Nationalité française Adresse professionnelle: Centre d Economie de la Sorbonne Université de Paris 1, CNRS 106-112 boulevard de l'hôpital 75647 Paris Cedex
Plus en détailCARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT
TP CIRCUITS ELECTRIQUES R.DUPERRAY Lycée F.BUISSON PTSI CARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT OBJECTIFS Savoir utiliser le multimètre pour mesurer des grandeurs électriques Obtenir expérimentalement
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailTarification et optimisation pour le marketing
Tarification et optimisation pour le marketing Orange Labs Matthieu Chardy, Recherche & Développement 10 avril 2009 séminaire à l'ecole des Mines de Nantes agenda partie 1 économie des télécommunicationsl
Plus en détailAlgorithmes de recherche d itinéraires en transport multimodal
de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini
Plus en détailSite Web de paris sportifs
HENAUD Benoît Numéro d auditeur 05-39166 Version V1.2 Date de mise à jour 31/03/2008 1/21 Table des matières 1. Objectif du document... 3 2. Présentation... 3 2.1. Présentation du projet... 3 2.2. Situation
Plus en détailLe passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past!
> Le passé composé le passé composé C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past! «Je suis vieux maintenant, et ma femme est vieille aussi. Nous n'avons pas eu d'enfants.
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailir value.com Le Fundamental Value Indicator
éducatif Le Fundamental Value Indicator Le Fundamental Value Indicator (voir image en page 6) brosse en un tableau la valeur d une entreprise et de son équipe dirigeante. Il illustre en une seule image
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailI. COORDONNÉES PERSONNELLES / PERSONAL DATA
DOSSIER DE CANDIDATUREAPPLICATION FORM 2012 Please tick the admission session of your choice FévrierFebruary SeptembreSeptember MASTER OF ART (Mention the subject) MASTER OF SCIENCE (Mention the subject)
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailSÉLECTION DE CONSULTANTS
MODÈLE DE RAPPORT D ÉVALUATION SÉLECTION DE CONSULTANTS Banque mondiale Washington Octobre 1999 iii Préface 1 Les Consultants 2 qui sont employés par les Emprunteurs de la Banque mondiale et dont les
Plus en détailCompression Compression par dictionnaires
Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une
Plus en détailOPTIMISATION DE PLANS DE FINANCEMENT IMMOBILIERS
RAIRO Operations Research Will be set by the publisher OPTIMISATION DE PLANS DE FINANCEMENT IMMOBILIERS Frédéric Gardi 1 Abstract. Market finance has become a major application field of operations research.
Plus en détailRÉSUMÉ DE THÈSE. L implantation des systèmes d'information (SI) organisationnels demeure une tâche difficile
RÉSUMÉ DE THÈSE L implantation des systèmes d'information (SI) organisationnels demeure une tâche difficile avec des estimations de deux projets sur trois peinent à donner un résultat satisfaisant (Nelson,
Plus en détail